Design and Implementation of an End-to-End Speech Assistant

Abstract

Efektivní komunikace mezi člověkem a strojem představuje důležitou oblast výzkumu. Nedávné pokroky v oblasti strojového učení, konkrétně v oblasti zpracování přirozeného jazyka, umožňují inteligentním robotům využít hlasové rozhraní, které je pro člověka přirozené a efektivní. Nicméně, většina z dos- tupných systémů pro inteligetní roboty vyžaduje stabilní připojení k internetu a zpracování probíhá z velké části v cloudu. Tento požadavek však naráží například v aplikacích asistenčních robotů, kde internetové spojení není vždy zajištěno. Cílem této práce je (a) poskytnout přehled současných a dostupných open-source frameworků s důrazem na požadavky hotelového asistečního rob- ota; (b) navrhnout a realizovat aplikaci hlasového asistenta; c) implementovat řešení s jinými systémy.

Efficient communication between robots and humans represent an important field of research. Recent advances in machine learning, specifically in the field of natural language processing, enable smart robots to benefit from voice interaction interfaces. This interface allows customers to communicate with robots naturally and conveniently over spoken utterances by employing a personal component at the same time. However, most of the available systems, for example, require a stable internet connection to work, which interferes with standard requirements of service robots. This thesis, therefore, aims to (a) provide thorough research of current open- source frameworks with an emphasis on clearly defined objectives of a service robot within a hotel environment; (b) design and implement a speech assistant application; (c) evaluate the developed system by comparing it to other commercial state-of-the-art systems.